|
||||
毋庸置疑,互聯網技術使許多行業的運營模式發生了革命性的變化。跨入新世紀第二個10年,隨著信息技術的進一步發展,海量數據的處理和應用成為許多行業無法回避的重要課題,鄧白氏認為:對大數據的理解和處理技術,必將使許多行業發生翻天覆地的變化。中國的銀行業在國內金融改革和國際金融危機的內『懮』外『患』之下,也與互聯網大數據浪潮不期而遇。是靜觀其變,穩守現狀?還是迎上潮頭,借勢大數據,創新業務模式,重塑競爭力?
中國銀行業之『囧』局
2008年金融危機之後,國際銀行業盈利能力急劇下降,中國銀行業由於高利差的保護,仍然維持著高額的利潤,但是業界普遍認為,這種因國家金融政策造成的盈利是不可能持續的。鄧白氏金融研究部門認為,當前中國銀行業主要存在以下問題:
利潤高速增長不可持續
隨著中國金融改革呼聲日益高漲,中國必將改變其高利差的銀行運營模式。在中國金融『十二五』規劃中,金融改革內容已經包括利率匯率市場化的內容。
可以預見,隨著金融市場的發展,政策紅利的消失殆盡,存貸款利差逐步縮小,將直接壓縮銀行的利潤空間,中國銀行業的利潤高速增長不可持續。開拓新的業務模式,尋找新的利潤增長點,成了中國銀行業的當務之急。
存款去哪兒了?
2013年6月,國內領先的第三方支付公司支付寶發布了一款產品『餘額寶』。短短一年時間,『餘額寶』規模膨脹至5700多億元。國內各大電子商務公司,也紛紛推出了自己的理財產品。『餘額寶』類產品的興起導致銀行存款大搬家,據中國人民銀行數據顯示,2014年4月,國內銀行存款增速延續了前幾個月的下滑趨勢,創下8年新低。分析人士指出,受互聯網草根金融理財產品興起的帶動,居民理財觀念進一步增強,各類理財產品和貨基類產品對居民存款的分流持續增壓,銀行存款增長乏力。因為資金面的緊張,銀行不得不支付更高的價格,從貨幣型基金手中,回購『本屬於自己的存款』,這無形中又進一步推高了銀行的資金成本,擠壓了銀行的利潤空間。
但這還不是最可怕的,相比於存款的流失,現有客戶金融習慣的改變,傳統領地被侵蝕纔是銀行最難以承受之痛。
貸款該去哪兒了?
當前中國銀行業另一個突出的問題是,貸款結構極不合理。銀行把大量的資金輸送給國有企業及『鐵公基『等相關領域。雖然這些領域優質客戶眾多,但早已被各家瓜分殆盡,市場格局穩定,未來增長乏力,前景暗淡。同時,很多經營良好的民營企業,尤其是中小微企業,卻無法獲得銀行貸款。據微碼鄧白氏研究,目前全國共有1400萬家企業和4300萬個體工商戶,其中大企業佔比僅為0.3%,中型企業佔比2.4%,小微企業佔比高達97.3%。銀行界都不否認,深耕細作中小微企業業務纔是銀行的未來。
但在現有的信息數據管理機制下,銀行並不知道這些經營良好又有融資需求的小微企業在哪?——客戶是誰?客戶在哪?成了銀行服務小微企業的難題之一。
反觀諸多打著互聯網金融旗號的電子商務公司、第三方支付及其他相關金融服務產品供應商,借助於多渠道的客戶交易行為跟蹤及大數據分析技術,一改傳統銀行業低流動性的信息管理機制,創新盈利模式,在傳統銀行業望而卻步的小微企業市場創造出一片新的發展藍海。
風險怎麼控?
小微企業是銀行未來市場開發的重要方向,但是如何更好的控制小微企業業務風險,也一直是困擾銀行業發展的核心問題。鄧白氏認為,當前中國銀行業的風險控制機制,已經無法滿足在小微企業市場領域的市場拓展的需求。
在現有銀行風險管控模式下,眾多經營良好的中小微企業,由於無法滿足銀行固定資產抵押要求,不能獲得急需的銀行貸款。但與此同時,很多互聯網民營金融機構,卻通過引入全新的審核機制和審核條件,積極拓展優質的中小微企業客戶, 阿裡的小額貸款及京東的供應鏈金融,都依托於自己平臺中的大數據信用記錄,開發創建了全新的客戶模型,小微企業無需提供抵押品或第三方擔保,就能獲得貸款。
不難看出,當前中國銀行業之『囧』局,實際上是在互聯網環境下,銀行商業模式因循守舊造成的。
大數據如何解『囧』
1.何為大數據
提到大數據,大家首先想到的一定是其『4V』的基本特性:數據量(Volume)、時效性(Velocity)、多變性(Variety)、可疑性(Veracity),但就其定義來說可謂百家爭鳴,各有不同的見解。微碼鄧白氏經過多年堅持研究數據,應用數據,在長期積累過程中深刻體會當今面對的數據資源是如何的復雜多變。然後目前多數研究與產品均集中在對大數據處理所需要的基礎設施與企業的管理架構應該如何改變與昇級,但真正在某個行業中已經形成標准的大數據應用還比較少,尤其是如何發揮大數據的商業價值,是企業的管理者真正最關心的問題。
我們希望與大家共同探討如何實現大數據條件下的銀行業務模式變革,如何利用大數據服務銀行企業的創新業務,為銀行企業帶來新的商業價值。
2. 誰在用大數據
大數據分析管理技術在開拓業務、創造新市場、獲取新客戶、提高客戶忠誠度,商機挖掘等環節都有著具體的應用。
目前大數據管理技術已經幫助很多行業的客戶突破了原先企業在經營過程中的瓶頸;例如:金融證券行業的高頻交易和量化交易,電信行業的客戶支持系統,能源行業的電廠電網監控、用電信息采集分析,政府行業的智慧城市、智能交通管理等。
更具體的應用案例,在電子商務領域的京東和亞馬遜通過對所銷產品的歸類與標簽化,以及客戶的瀏覽行為分析,精准的把最有可能引起客戶購買欲望的或可能購買的產品推薦給潛在客戶。在此基礎上,未來還有可能通過對該客戶的購買能力,支付情況的數據分析,逐步開發在信用評級,分期支付、小額購物貸款等方面的增值服務。
3.國外的金融領域對大數據的應用
資本市場:JP Morgen的市場各類交易都是高度依賴基於大數據分析管理交易系統平臺的,通過對大數據系統分析,提供各類用於交易的參考信息及指標,以此進行收益分析與風險控制。
風險管理:美國農業類保險公司利用大數據分析判斷一個地區未來天氣的變化趨勢,以此基礎制定相對應的保險產品提供給農場主。
商業信用貸款:富國銀行把從FACEBOOK獲得的數據作為小企業主信用風險評判的依據之一;通過分析數據來做評判。
商業保險:通過大數據對顧客在消費市場的各類行為分析不斷優化現有保險產品或者推出更有針對性的保險產品。英國的英傑華集團(Aviva)就運用手機APP追蹤客戶的駕車習慣,並以此作為定價依據。
客戶行為:美國的Capital One公司通過大數據實現實時動態跟蹤客戶行為,以此掌握客戶精准的行為習慣與偏好,並且基於這些信息實現客戶的價值管理與風險監測。
4.大數據如何解營銷、風控之囧
銀行信息化的迅速發展,產生了大量的業務數據,這就需要從海量數據中提取出有價值的信息,為銀行的商業決策來服務(提供科學的決策依據和技術支持);目前銀行業對於大數據應用主要體現在基於可收集到的商業數據所做的客戶數據應用和風險信用控制這兩個維度。
維度一,客戶數據應用
a.開拓新客戶和維護老客戶(增加粘性與忠誠度)對任何一家銀行來說都至關重要。開拓新客戶方面,可以通過探索性的數據挖掘方法,如自動探測聚類和購物分析,找出客戶數據庫中的特征,預測他們對於銀行活動的響應率。那些被定為有利的特征標簽可以與新的非客戶群進行匹配,以此增加營銷活動的效果。還可從銀行數據庫存儲的客戶信息中,根據事先設定的標准找到符合條件的客戶群,再把客戶進行聚類分析讓其自然分群,最後通過對客戶的服務收入、風險、等相關因素的分析、預測和優化,找到潛在的新客戶(可贏利)。
b.維護老客戶方面,在發現流失客戶的特征後,銀行可以在具有相似特征的客戶未流失之前,采取額外增值服務、特殊待遇和激勵忠誠度等措施保留客戶。比如,使用信用卡損耗模型,可以預測哪些客戶將停止使用銀行的信用卡,而轉用競爭對手的卡,銀行可以采取措施來保持這些客戶的信任。當得出可能流失的客戶名單後,可對客戶進行關懷訪問,爭取留住客戶。為留住老客戶,防止客戶流失,就必須了解客戶的需求。通過對客戶的大數據分析,識別導致客戶轉移的關聯因子,用模式找出當前客戶中相似的可能轉移者,通過孤立點分析法發現客戶的異常行為,從而使銀行避免不必要的客戶流失。大數據還可以對大量的客戶資料進行分析,建立數據模型,確定客戶的交易習慣、交易額度和交易頻率,分析客戶對某個產品的忠誠程度、持久性等,從而為他們提供個性化定制服務,以提高客戶忠誠度。
c.通過大數據來實提個性化的客戶服務,以應對當下銀行業日益激烈的競爭,客戶服務的質量是關系到銀行發展的重要因素。客戶是一個可能根據年費、服務、優惠條件等因素而不斷流動的團體,為客戶提供優質和個性化的服務,是取得客戶信任的重要手段。根據二八原則,銀行業20%的客戶創造了80%的價值,要對這20%的客戶實施最優質的服務,前提是發現這20%的重點客戶。重點客戶的發現通常是由一系列的數據挖掘來實現的。過去通常是通過分析客戶對產品的應用頻率、持續性等指標來判別客戶的忠誠度,通過交易數據的詳細分析來鑒別哪些是銀行希望保持的客戶,找到重點客戶提供有針對性的服務。然後現在有了大數據,則可以更全面的去進行客戶畫像與客戶價值分析,任何一個客戶都有著雙重身份(周一到周五白天是B的身份,周一到周五晚上和周末及節假日則是C的身份),這樣可以引入更多的社交媒體平臺的數據,線上參與的娛樂活動數據,電商網站購物的數據等等,進行多維度的客戶分析,這樣就大大的擴展了原先的分析維度,便於銀行提供更加精准的增值(個性化)服務。
維度二,風險數據應用
在銀行業的重要應用之一是風險管理,如信用風險評估;可通過構建信用評級模型,評估貸款人或信用卡申請人的風險。一個進行信用風險評估的解決方案,能對銀行數據庫中所有的賬戶指定信用評級標准,用若乾數據庫查詢就可以得出信用風險的列表。這種對於高/低風險的評級或分類,是基於每個客戶的賬戶特征,如尚未償還的貸款、信用調降報告記錄、賬戶類型、收入水平及其他信息等。
對於銀行賬戶的信用評估,可采用直觀量化的評分技術。將顧客的海量信息數據以某種權重加以衡量,針對各種目標給出量化的評分。以信用評分為例,通過由數據挖掘模型確定的權重,來給每項申請的各指標打分,加總得到該申請人的信用評分情況。銀行根據信用評分來決定是否接受申請,確定信用額度。過去,信用評分的工作由銀行信貸員完成,只考慮幾個經過測試的變量,如就業情況、收入、年齡、資產、負債等。現在有了大數據,可使用的數據維度與分析的深度都大大提高,可以增加更多的變量,提高模型的精度,滿足信用評價的需求,例如,在電子商務平臺的訂單及銷售情況可以用於判定小微企業商業貸款風險的判定。
通過數據挖掘,還可以異常的信用卡使用情況,確定極端客戶的消費行為。根據歷史數據,評定造成信貸風險客戶的特征和背景,可能造成風險損失的客戶。在對客戶的資信和經營預測的基礎上,運用系統的方法對信貸風險的類型和原因進行識別、估測,發現引起貸款風險的誘導因素,有效地控制和降低信貸風險的發生。通過建立信用欺詐模型,幫助銀行發現具有潛在欺詐性的事件,開展欺詐偵查分析,預防和控制資金非法流失。或者根據客戶信用卡的歷史消費行為分析,並結合該客戶當前的地理位置及當前的消費信息,自動的根據客戶偏好進行服務的推送等服務;例如,引入LBS數據,發現某貸款客戶在澳門並沒有開展業務,而每月都至少去一次,這就要考慮該客戶是否有賭博的偏好;或者某貸款客戶發生延遲還款或拖欠,但同時在社交媒體上展示其購買的奢侈品,銀行就需要判斷是否對客戶的貸後監控要加強措施以保證貸款被用於生產經營中了,此類應用還有許多。
微碼鄧白氏治『囧『之道
1.客戶價值與風險控制相結合的綜合治理
前文已經提到,目前銀行業對於大數據的應用,主要體現在客戶數據的應用以及客戶風險控制2個方面,那麼微碼鄧白氏對於這2個需求又是如何解決的呢?客戶數據應用最主要的方法是客戶特征描述,其主要的目的有:
增加市場活動效果
贏得潛在客戶
減少客戶流失
重點客戶的針對性服務
在有限的市場資源、時間、人力的情況下,優先針對重點或優質的客戶進行市場活動的重要性顯得尤為突出。特別是面對幾千萬信息不夠完整的中小微企業和個體商戶的情況下,如何判斷一個客戶的價值就成為客戶數據挖掘中最重要也是最基礎的需求,而對於這個需求,鄧白氏提出了基於客戶價值分析模型的大數據解決方案:
客戶價值分析模型
成長曲線評估:客戶與銀行之前以及當下儲蓄業務、貸款業務、理財業務等各項合作的綜合評估。但是對於大多數中小微客戶並沒有合作經歷,因此需要引入其他的信息源作為參考,例如各種銷售平臺上的交易記錄,客戶員工人數、營業額的統計分析等
影響力價值評估:對於中小微企業,影響力價值又可以分為企業老板的個人社會影響力以及企業影響力2個方面。例如『錘子』的老羅憑借個人影響力為錘子手機打開了『擁有情懷的』客戶群,而要引入個人影響力就需要通過微博,微信,往來等更多的信息源來進行立體化描述。而中小微企業的影響力最近的例子就是手游『我的世界』的開發公司被微軟25億收購的案例。這家2009年成立的公司僅有40個員工左右,但是正是這個游戲的銷量全球近6000萬份,大量的終端用戶的長期支持促成了這筆天價的收購,而這就是非傳統企業影響力帶來的影響。
基礎潛力價值:在當前可以明確的客戶基於傳統業務在未來某一時間內可以給銀行帶來的價值。
信用風險價值評估:傳統信用評估主要以財報、抵押、票據等為主要憑證進行評估。對於中小微企業特別是個體商戶而已基本不具備這些資質。因此對於這些企業就需要引入其他的參考參數進行評估,如個體老板的信用還款以及其他的個體行為信息的抓取,企業的銷售渠道的賬款支付狀況,網絡銷售平臺的銷售以及用戶評論等等。
忠誠價值評估:通過收集多渠道的信息收集,可以更完整得了解到客戶的合作銀行的信息,結合原有的歷史合作信息更全面的判斷客戶的忠誠價值。
成長彈性價值:客戶的成長空間不僅僅取決於其成長的速度,不同階段的成長幅度對於一個公司的成長性也有著重要的影響。再例如『我的世界』這樣通過收購以後快速成長的公司之後的可持續快速增長的風險性就相對較大。而一旦能找到有這樣爆發性成長可能性的中小微公司對於銀行來說是個不可錯失的投資機會。
客戶價值分類應用
通過微碼鄧白氏的客戶價值分析模型,摒棄僅以AUM為劃分客戶級別標准的傳統價值觀,可以深入分析客戶價值,特別是資質不完整的中小微及個體企業客戶,優化各類客戶分級管理,提高「價值」客戶的感知。
2、客戶風險控制
剛纔提到了客戶價值分析的綜合模型,其中大家最最關注的一定是其中有關風險控制的部分。這個涉及到最最實際的顧慮因素:逾期,違約等。那麼下面我們就分享一下鄧白氏提出的小微企業的風險控制解決方案。
小微企業風險綜合評價模型
對於企業的風險評估,我們過去普遍采用傳統的5C模型,其中黑色框內的信息就是傳統信用模型的數據標簽。我們結合中國小微企業的實際狀況,在傳統模型的基礎上增加了新的信息標簽,如橘色框內所示,目的是在傳統信用信息捕捉不完整的情況下,通過更多的數據源和信息量重新描繪客戶的企業特征,幫助銀行更好更全面的認識客戶的特性。
在確定參數以後,建立評價體系,分為三層對客戶進行綜合評價(第四層為補充),再對各指標加以不同權重,最後使用銀行風險的評語進行評價總結。例如通過對某一小微企業的各平臺的銷售狀況,各社交平臺的互通反饋,企業老板個人信用狀況等方面進行分析,專家打分的結果如下(沒有抵押記錄):
根據上述打分結果,最後可以得到 A = (x1 x2 x3 x4),如果按照4級風險評語來判斷,根據最大隸屬度原則,就可用於綜合評估該小微企業的經營風險。這一應用不僅簡單直接,也彌補了我們對於小微企業價值判斷的漏洞缺失。
引入海量數據以及多維度全面分析的大數據分析應用不僅是對傳統業務的補充和修正,更重要的是幫助我們拓展了業務開展的各種限制,並且有效的幫助我們在整個過程中都能良好的掌控各項業務的風險狀況。當我們不斷受到互聯網思維給我們帶來的衝擊時,我們也應該意識到通過最有效的工具去提昇我們的傳統和非傳統的業務能力將是大家不得不面對也是唯一的解決方案,而大數據正給我們帶來這樣的工具!